数据库性能问题是后端开发中最常见的瓶颈之一。一个优化良好的数据库不仅能提升用户体验，还能显著降低服务器成本。本文将分享 7 个经过实战验证的数据库优化方案，帮助你将查询速度提升 10 倍以上。
**索引优化：让查询飞起来**
索引是数据库优化的第一步。合理的索引设计能将查询时间从秒级降到毫秒级。
```sql
-- 为常用查询字段创建索引
CREATE INDEX idx_user_email ON users(email);
CREATE INDEX idx_order_status_date ON orders(status, created_at);
-- 使用复合索引优化多条件查询
CREATE INDEX idx_product_category_price ON products(category_id, price DESC);
```
注意避免过度索引。每个索引都会占用存储空间并降低写入性能。只为高频查询字段和 WHERE、JOIN、ORDER BY 中的列创建索引。
**查询优化：避免全表扫描**
使用 EXPLAIN 分析查询执行计划，识别性能瓶颈：
```sql
EXPLAIN SELECT * FROM orders
WHERE user_id = 1001
AND status = 'pending';
```
优化技巧包括：
- 避免 SELECT *，只查询需要的字段
- 使用 LIMIT 限制返回结果
- 将子查询改写为 JOIN
- 避免在 WHERE 子句中对索引字段使用函数
```sql
-- 不好的写法
SELECT * FROM users WHERE YEAR(created_at) = 2024;
-- 优化后
SELECT id, name, email FROM users
WHERE created_at >= '2024-01-01' AND created_at < '2025-01-01';
```
**连接池配置：提升并发能力**
数据库连接的创建和销毁开销很大。使用连接池可以复用连接，显著提升并发性能。
```javascript
// Node.js 示例
const mysql = require('mysql2');
const pool = mysql.createPool({
host: 'localhost',
user: 'root',
database: 'mydb',
waitForConnections: true,
connectionLimit: 10,
queueLimit: 0,
idleTimeout: 60000
});
```
根据应用负载调整连接池大小。一般建议设置为 CPU 核心数的 2-4 倍。
**分页优化：深度分页的解决方案**
传统的 OFFSET 分页在数据量大时性能急剧下降：
```sql
-- 性能差：需要扫描前 100000 条记录
SELECT * FROM posts ORDER BY id LIMIT 100000, 20;
-- 优化：使用游标分页
SELECT * FROM posts
WHERE id > 100000
ORDER BY id LIMIT 20;
```
对于需要跳页的场景，可以缓存页码与 ID 的映射关系。
**缓存策略：减少数据库压力**
将热点数据缓存到 Redis 中，可以减少 80% 以上的数据库查询：
```python
import redis
import json
r = redis.Redis(host='localhost', port=6379)
def get_user(user_id):
# 先查缓存
cache_key = f'user:{user_id}'
cached = r.get(cache_key)
if cached:
return json.loads(cached)
# 缓存未命中，查数据库
user = db.query('SELECT * FROM users WHERE id = %s', user_id)
r.setex(cache_key, 3600, json.dumps(user))
return user
```
**批量操作：减少网络往返**
将多次单条操作合并为批量操作：
```sql
-- 不好的做法：循环插入
INSERT INTO logs (user_id, action) VALUES (1, 'login');
INSERT INTO logs (user_id, action) VALUES (2, 'logout');
-- 优化：批量插入
INSERT INTO logs (user_id, action) VALUES
(1, 'login'), (2, 'logout'), (3, 'view');
```
批量操作能将性能提升 10-100 倍，特别适合数据导入和批处理场景。
**数据归档：保持表体积可控**
随着业务增长，历史数据会拖慢查询速度。定期将冷数据归档到历史表：
```sql
-- 创建归档表
CREATE TABLE orders_archive LIKE orders;
-- 归档 6 个月前的订单
INSERT INTO orders_archive
SELECT * FROM orders
WHERE created_at < DATE_SUB(NOW(), INTERVAL 6 MONTH);
DELETE FROM orders
WHERE created_at < DATE_SUB(NOW(), INTERVAL 6 MONTH);
```
**总结**
数据库优化是一个持续的过程。从索引设计、查询优化到缓存策略，每个环节都可能成为性能瓶颈。建议定期使用慢查询日志和监控工具分析数据库性能，针对性地进行优化。记住，过早优化是万恶之源，先用数据说话，再动手优化。
Comments NOTHING